Les calculs hallucinants nécessaires pour prédire comment trois corps célestes orbitent entre eux ont dérouté les physiciens depuis l'époque de Sir Isaac Newton. Maintenant, l'intelligence artificielle (A.I.) a montré qu'elle peut résoudre le problème en une fraction du temps requis par les approches précédentes.
Newton a été le premier à formuler le problème au XVIIe siècle, mais il a été extrêmement difficile de trouver un moyen simple de le résoudre. Les interactions gravitationnelles entre trois objets célestes comme les planètes, les étoiles et les lunes se traduisent par un système chaotique - un système complexe et très sensible aux positions de départ de chaque corps.
Les approches actuelles pour résoudre ces problèmes impliquent l'utilisation de logiciels qui peuvent prendre des semaines, voire des mois, pour effectuer des calculs. Les chercheurs ont donc décidé de voir si un réseau neuronal - un type de modèle reconnaissant A.I. qui imite vaguement le fonctionnement du cerveau - pourrait faire mieux.
L'algorithme qu'ils ont construit a fourni des solutions précises jusqu'à 100 millions de fois plus rapides que le logiciel le plus avancé, connu sous le nom de Brutus. Cela pourrait s'avérer inestimable pour les astronomes essayant de comprendre des choses comme le comportement des amas d'étoiles et l'évolution plus large de l'univers, a déclaré Chris Foley, biostatisticien à l'Université de Cambridge et co-auteur d'un article sur la base de données arXiv, qui n'a pas encore être évalué par des pairs.
"Ce réseau neuronal, s'il fait du bon travail, devrait être en mesure de nous fournir des solutions dans un délai sans précédent", a-t-il déclaré à Live Science. "Nous pouvons donc commencer à penser à progresser avec des questions beaucoup plus profondes, comme la formation des ondes gravitationnelles."
Les réseaux de neurones doivent être formés en étant alimentés en données avant de pouvoir faire des prédictions. Les chercheurs ont donc dû générer 9 900 scénarios simplifiés à trois corps en utilisant Brutus, le leader actuel en matière de résolution de problèmes à trois corps.
Ils ont ensuite testé dans quelle mesure le réseau neuronal pouvait prédire l'évolution de 5 000 scénarios invisibles, et a constaté que ses résultats correspondaient étroitement à ceux de Brutus. Cependant, le programme basé sur A.I.a résolu les problèmes en une fraction de seconde en moyenne, contre près de 2 minutes.
La raison pour laquelle les programmes comme Brutus sont si lents est qu'ils résolvent le problème par la force brute, a déclaré Foley, effectuant des calculs pour chaque petite étape des trajectoires des corps célestes. Le réseau neuronal, d'autre part, regarde simplement les mouvements produits par ces calculs et en déduit un modèle qui peut aider à prédire comment les scénarios futurs se joueront.
Cela pose cependant un problème pour l'extension du système, a déclaré Foley. L'algorithme actuel est une preuve de concept et a été appris à partir de scénarios simplifiés, mais la formation sur les plus complexes ou même l'augmentation du nombre de corps impliqués à quatre sur cinq nécessite d'abord de générer les données sur Brutus, ce qui peut être extrêmement chronologique. consommant et cher.
"Il y a une interaction entre notre capacité à former un réseau neuronal incroyablement performant et notre capacité à réellement dériver des données avec lesquelles le former", a-t-il déclaré. "Il y a donc un goulot d'étranglement là-bas."
Un moyen de contourner ce problème serait que les chercheurs créent un référentiel commun de données produites à l'aide de programmes comme Brutus. Mais cela nécessiterait d'abord la création de protocoles standard pour garantir que les données étaient toutes conformes à un standard et à un format cohérents, a déclaré Foley.
Il reste encore quelques problèmes à résoudre avec le réseau neuronal, a déclaré Foley. Il ne peut fonctionner que pendant une durée définie, mais il n'est pas possible de savoir à l'avance combien de temps un scénario particulier prendra pour se terminer, de sorte que l'algorithme peut s'essouffler avant que le problème ne soit résolu.
Les chercheurs n'envisagent pas que le réseau neuronal fonctionne de manière isolée, a déclaré Foley. Ils pensent que la meilleure solution serait qu'un programme comme Brutus fasse la plupart des démarches avec le réseau neuronal, ne prenant en charge que les parties de la simulation qui impliquent des calculs plus complexes qui embourbent le logiciel.
"Vous créez cet hybride", a déclaré Foley. "Chaque fois que Brutus est bloqué, vous utilisez le réseau de neurones et le déplacez en avant. Et ensuite vous évaluez si Brutus est décollé ou non."
